基于深度学习的MINST手写体字符分类研究
对手写体字符进行分类是模式识别的重要应用之一.为了进一步提高MINST手写体字符库的识别效果,在分析MINST手写体图像特点的基础上,提出了一种基于深度学习的分类方法.深度学习是一种新兴的机器学习方法,近年来引领了机器学习的潮流.文中通过深度置信网络(DBN)的方法训练一个自动编码器(autoencoder)来提取图像的特征,并在图像分类阶段运用罗杰斯特回归(logistic regression)进行分类,实验结果表明,通过本文方法能很好的对MINST手写体图像进行分类,类比原有的方法有较高的分类准确率,具有较强的实用性.
手写体 字符分类 图像处理 深度学习 模式识别
倪嘉成 许悦雷 田元荣
空军工程大学航空航天工程学院,陕西 西安 710038
国内会议
西安
中文
37-40
2013-08-03（万方平台首次上网日期，不代表论文的发表时间）